تشخیص برجستگیهای تصاویر ۰۶۳ درجه برای کاربردهای شناسایی و تشخیص اشیا

تشخیص اشیا، ردیابی اشیا و پیشبینی سریهای زمانی، از چالشهای اساسی در بینایی ماشین است. یادگیری عمیق، گامهایبسیار بزرگی در حل این چالشها برداشتهاست؛ اما برای بسیاری از مشکلات، راهحلهای رضایتبخشی که در واقعیت،کاربردهای مفیدی داشتهباشد و بتوان از آن استفادهکرد، هنوز پیدا نشدهاست. در این مقاله، بر روی مسئله آشکارسازیبرجستگیها در تصاویر ۰۷۳ درجه تمرکز شد. در بحث آشکارسازی برجستگیها از تصاویر حرارتی استفاده شد و برتریهایتصاویر ۰۷۳ درجه با سرعتی بهتر از قبل، تشخیص دادهشد. در سالهای اخیر، استفاده از شبکههای عصبی کانولوشن برایپیشبینی برجستگیها یا بینایی بهتر، مورد توجه روز افزون قرار گرفتهاست. در این مقاله، این موضوع را کمی گسترش دادیم.در این کار، فراتر از تشخیص برجستگی برای تصاویر دو بعدی معمولی پیش رفتیم و نقشههای برجستهسازی برای تصاویر ۰۷۳درجه همه جانبه، پیشبینی شد. یک تصویر همه جانبه کروی، به ۷ وجه مکعب تقسیم شد و بطور جداگانه، پردازش انجامگرفت. یک مدل تشخیص برجستگی که در ابتدا برای تصاویر غیرهمه جانبه آموزش دیدهاست، به عنوان شبکه اصلی برایپیشبینی برجستگی در هر یک از این ۷ وجه مکعب، تنظیم شدهاست. نقشههای برجستگی پیشبینی شده، برای تمام وجههایمکعب، به همدیگر متصل شدند و با استفاده از یک رمزگذار) Encoder ( خودکار کانولوشن، حذف نویز هموار شد. همچنینیک ماسک جدید، برای از بین بردن آثار محل اتصال، پیشنهاد شدهاست.

Keywords:

تشخیص برجستگی در تصاویر ۰۷۳ درجه , تصاویر ۰۷۳ درجه , شناسایی اشیا در تصاویر ۰۷۳ درجه.